Bienvenido al proyecto Análisis Comparativo de Páginas Web del Ironhack Bank 🏦, donde se evaluó la eficiencia y usabilidad de una nueva versión de la página web comparada con la antigua. Este proyecto tiene como objetivo identificar mejoras clave en la experiencia del usuario mediante el análisis de datos cuantitativos.
Explora la aplicación interactiva: Ironhack Bank Dashboard 🔗
El proyecto se enfocó en:
- Comparar el rendimiento entre la versión antigua y la nueva de la página web del banco.
- Evaluar la experiencia del usuario mediante:
- Conteo de errores.
- Tiempos de navegación en distintas páginas.
- Relación de sesgos entre los grupos que probaron ambas versiones.
Como resultado, se generaron visualizaciones y dashboards interactivos con herramientas como Power BI y Streamlit para respaldar los hallazgos y las hipótesis planteadas.
- Los datos fueron proporcionados directamente por la empresa y contenían información sobre usuarios, sesiones y errores en ambas versiones de la página web.
- Se realizó un exhaustivo proceso de limpieza, eliminando outliers y corrigiendo inconsistencias en los datos para garantizar su calidad. Esto incluyó:
- Creación de funciones modulares para limpiar y estandarizar los datos.
- Almacenamiento de los dataframes finales listos para el análisis.
- Se exploraron relaciones entre variables clave como:
- Edad de los usuarios.
- Tiempo en cada página.
- Frecuencia de errores por versión.
- Este análisis permitió identificar patrones significativos y correlaciones.
- Validamos hipótesis relacionadas con:
- La reducción de errores en la nueva versión.
- Mejoras en los tiempos de navegación.
- Similitud en los sesgos entre los usuarios de ambas versiones.
-
Power BI: Se crearon dashboards con 4 páginas:
-
Sesgo de Usuarios: Comprobación de la equidad entre grupos.
-
Hipótesis: Validación de resultados clave.
-
Comparaciones Gráficas: Análisis visual entre las versiones mediante Ribbon Chart.
-
Comparaciones Gráficas: Análisis visual entre las versiones mediante Bar Charts.
-
-
Streamlit: Se desarrolló una aplicación interactiva que permite explorar los datos y análisis de forma dinámica.
- Python
- Librerías:
streamlitpandasnumpymatplotlibseabornscikit-learn
- Limpieza de datos: Fue necesario realizar numerosas iteraciones para manejar valores atípicos y corregir errores, asegurando la calidad del análisis.
- Errores inesperados: Problemas menores, como nombres incorrectos en los archivos, provocaron demoras al final del proyecto.
Este proyecto fue realizado por:
👋 Gracias por visitar este proyecto! Si tienes preguntas o sugerencias, no dudes en abrir un issue o contactarnos directamente.